論文の概要: Attribution-Gated Joint Estimation of Intention and Capability for Assist-as-Needed Upper-Limb Robots

• arxiv url: http://arxiv.org/abs/2610.21534v1
• Date: Thu, 15 Oct 2026 09:02:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.29781
• Title: Attribution-Gated Joint Estimation of Intention and Capability for Assist-as-Needed Upper-Limb Robots
• Title（参考訳）: アシスト・アズ・ネイズ・アッパー・リム・ロボットの意図と能力の属性付き共同推定
• Abstract要約: AAN(Assist-as-Needed)制御は、意図した動きの変化と効果的な自発トルク能力の変化を区別しなければならない。 ベースフレームワークとしてマルチモーダルMHE-MPCアーキテクチャが開発された。
• 参考スコア（独自算出の注目度）: 4.9749566348031955
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Assist-as-needed (AAN) control must distinguish between changes in intended motion and changes in effective voluntary torque capability, even though both can produce similar kinematic and interaction responses. A dual-measurand multimodal MHE-MPC architecture is developed as the base framework, in which the intended trajectory and the task-dependent effective voluntary torque capability are estimated online as distinct quantities, and both estimates are used to adapt robotic assistance. Building on this architecture, the ambiguity between the two update channels is formulated as a continuous credit-assignment problem and resolved by an attribution gate. A trajectory-change indicator is obtained from persistent corrective interaction, whereas a capability-change indicator is derived from the residual between normalized muscle activation and dynamics-reconstructed voluntary torque. Nine healthy participants completed factorial target-height-load trials and a pre-post fatigue cup-transport task. Without target-height input, the gated method generated correctly ordered Low-Middle-High references under every load: target changes were preferentially assigned to trajectory adaptation, whereas added load shifted adaptation toward the capability channel. It achieved the lowest RMSE in all nine conditions (0.017 rad versus 0.041 rad for ungated dual estimation and 0.127 rad for fixed-reference error-based AAN). Post-fatigue capability estimates decreased and assistance increased at all heights, supporting functional feasibility.
• Abstract（参考訳）: AAN (Assist-as-Needed) コントロールは、意図した動きの変化と効果的な自発トルク能力の変化を区別しなければならない。 MHE-MPCアーキテクチャは、目的の軌道とタスク依存の有効自発トルク能力を異なる量としてオンラインで推定する基盤フレームワークとして開発され、どちらの推定もロボット支援に適応するために使用される。 このアーキテクチャに基づいて、2つの更新チャネル間のあいまいさは、継続的な信用割り当て問題として定式化され、帰属ゲートによって解決される。 トラジェクトリ・チェンジインジケータは、持続的な矯正的相互作用から得られるが、能力変化インジケータは、正常化筋活性化とダイナミックス・リコンストラクションされた随意トルクの間の残留から得られる。 9名の健常者に対して, 因子的目標高負荷試験と疲労カップ輸送作業が完了した。 目標高度入力がなければ, 目標変更は軌道適応に優先的に割り当てられる一方, 負荷シフトはキャパシティチャネルに適応する。 9つの条件で最低のRMSEを達成した(アンゲート二重推定では0.017 rad対0.041 rad、固定参照エラーベースのAANでは0.127 rad)。 疲労後の能力評価は低下し, あらゆる高さで援助が増加し, 機能的実現可能性も向上した。

関連論文リスト

• MeshHeal: Two-Timescale Self-Healing for Gray Failures in Decentralized LLM Agent Networks [60.95806999869478]
  MeshHealは、完全に分散化された自己修復フレームワークである。 能力にマッチしたピアレビューを2つのタイムスケールに分けている。 1タスクあたり51kのトータルモデルトークンを使用して0.839の劣化位相精度を達成し、最強のベースラインでは1タスクあたり115kの0.807の精度を達成した。
  論文  参考訳（メタデータ） (2026-09-24T04:29:37Z)
• Bilinear Optimization Divergence: Diagnosing Factor-Constrained LoRA Continual Learning [9.210432526729507]
  本稿では,選択した歴史的特徴に対する有効更新応答のアンカー相対的診断を定式化する。 共用アダプタにおいて、ルーティング変位を保護すると、変化した共役因子を介して学習アンカー残余が残る。 新たなゼロ出力ブロックでは、実行可能なルーティング状態が、両方の現在の要因がトレーニング可能である間、構成された更新を保護することができる。
  論文  参考訳（メタデータ） (2026-09-20T12:26:14Z)
• DART: Distillation-Aware Reparameterization for Training-Free LoRA Reuse in Few-Step Video Diffusion Models [10.908392579533354]
  そこで我々は,低ランク座標輸送と目標スケジュール応答キャリブレーションを組み合わせたDARTを提案する。 4段階のWan2.2ターゲットでは、DART-Fは関節品質スコアを0.9029から0.9227に改善し、マクロ機能保持を-0.4644から+0.1349に変更した。
  論文  参考訳（メタデータ） (2026-09-17T10:58:04Z)
• Agentic Harness Engineering: Observability-Driven Automatic Evolution of Coding-Agent Harnesses [57.20181537213498]
  Agentic Harness Engineering (AHE)は、ハーネスエンジニアリングを自動化するクローズドループである。 AHEは3つの一致した可観測性柱を通じて課題に対処する。 10 AHE lift pass@1 on Terminal-Bench 2 from 69.7% to 77.0%。 SWE-bench-verifiedでは、種子よりも12%少ないトークンで合計成功率を上回り、ターミナルベンチ2では+5.1から+10.1ppのクロスファミリーゲインを得る。
  論文  参考訳（メタデータ） (2026-04-28T16:55:02Z)
• Words & Weights: Streamlining Multi-Turn Interactions via Co-Adaptation [55.938648534942665]
  マルチターンインタラクション(T2PAM)に対するテスト時ポリシー適応は,大規模言語モデル(LLM)と動的ユーザニーズとの整合に不可欠である。 本稿では,単語と重みの不均一な空間上での相互作用を協調最適化問題として再構成するフレームワークであるROSA2を提案する。
  論文  参考訳（メタデータ） (2026-03-02T02:16:20Z)
• Weight Updates as Activation Shifts: A Principled Framework for Steering [54.70188910511715]
  アクティベーションステアリングは極めてパラメータ効率のよい適応形態となるが、その有効性は重要な設計選択に依存する。 我々は,活性化空間介入と重量空間更新の1次等価性を確立し,活性化ステアリングが微調整動作を再現できる条件を導出する。 この等価性は、設計をステアリングするための原則的な枠組みをもたらし、ポストブロック出力を理論的に支持され、非常に表現力のある介入サイトとして特定する。
  論文  参考訳（メタデータ） (2026-02-28T02:50:04Z)
• SURE: Safe Uncertainty-Aware Robot-Environment Interaction using Trajectory Optimization [8.712271005822256]
  SUREは、接触タイミングの不確実性を明確に説明する堅牢な軌道最適化フレームワークである。 影響時間不明の2つの代表的な課題についてSUREを評価した。 SUREは従来の定式化よりも頑健性を大幅に向上させる。
  論文  参考訳（メタデータ） (2026-02-06T16:50:59Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。